我是文本分类技术的新手，我想知道文本分类的N-gram方法与基于文本分类的其他分类器（决策树，KNN，SVM）之间的区别。
我想知道哪一个更好，n-gram是否属于分类器？ n-gram是否克服了分类器技术中的任何缺点？
我在哪里可以获得有关所有这些技术的比较信息。
提前感谢。
答案 0 :(得分：9)
我实际上会发布一个完整的答案，因为我认为显然你可以使用n-gram模型作为分类器是非常值得的（就像你可以使用你的任何概率模型一样） ）。
生成分类器近似于感兴趣的后验，p（class | test doc）为：
p（c | t）\ propto p（c）p（t | c）
其中p（c）是c的先验概率，p（t | c）是似然。分类在所有c上选择arg-max。如果你为每个类估计一个单独的模型，n-gram语言模型，就像Naive Bayes或LDA或你喜欢的任何生成模型一样，可以被解释为概率模型p（t | c）。因此，它可以提供进行分类所需的所有信息。
问题在于该模型是否有用。主要问题是n-gram模型倾向于建立在数十亿字的文本上，其中分类器通常训练成几千个。你可以做一些复杂的事情，例如在所有类模型的参数上放置关节先验，将超参数钳位到相等（这些参数取决于你如何进行平滑）......但它仍然很棘手。
另一种方法是构建一个n-gram字符模型（如果事实证明它是有用的，则包括空格/标点符号）。这可以更加可靠地估计（三元模型的26 ^ 3参数而不是~20000 ^ 3），并且对于作者识别/类型分类/具有风格元素的其他分类形式非常有用。
答案 1 :(得分：7)
N-gram不是分类器，它是概率语言模型，基本单元的建模序列，其中这些基本单位可以是单词，音素，字母等.N-gram基本上是长度序列的概率分布n，它可以在构建文本表示时使用。
分类器是一种算法，它可以使用或不使用n-gram来表示文本。